Notice bibliographique
Résumé
ABSTRACT A Z-Axis Tipper Electromagnetic Technique (ZTEM) survey is an airborne natural source electromagnetic survey that relates the vertical magnetic field to the horizontal magnetic fields measured at a reference station on the ground. For large airborne surveys, the high number of cells required to discretize the entire area at a reasonable resolution can make the computational cost of inverting the data set all at once prohibitively expensive. We present an iterative methodology that can be used to invert large natural source surveys by using a combination of coarse and fine meshes as well as a domain decomposition that allows the full model area to be split into smaller subproblems, which can be run in parallel. For this procedure, the entire data set is first inverted on a coarse mesh. The recovered coarse model and computed fields are used as starting models and source terms in the subsequent tiled inversions. After each round of tiled inversions, the tiles are merged together to form an update model, which is then forward modeled to determine if the model achieves the target misfit. Following this procedure, we first invert the data computed from a large synthetic model of the Noranda mining camp. The inverted models from this example are consistent among our different tiling choices. The recovered models show excellent large-scale agreement with the true model and they also recover several of the mineralized zones that were not apparent from the initial coarse inversion. Finally, we invert a 30×30 km block of the 2010 ZTEM survey collected over the porphyry Pebble Deposit in Alaska. The inverted ZTEM results are consistent with the results obtained using other electromagnetic methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».